基于小波域滤波和邻域搜索的弱小目标检测

提出了一种基于小波变换和邻域搜索的弱小目标检测方法,该方法先利用弱小目标的灰度特征,采用小波变换算法对单帧图像进行预处理,检测出可疑目标集合,然后利用弱小目标的运动特征,采用邻域搜索的方法对多帧序列图像进行后处理,检测出真实目标.     

基于非局部稀疏特征的行人检测方法

利用周围邻域信息约束进行加权稀疏表示以达到行人检测的目的.采用Fisher判别字典学习的方法,得到一个能够更好地提取图像的具有更强辨别性稀疏特征的字典,利用图像中周围信息约束,求得该字典表示下的稀疏特征,并根据对当前图像块的稀疏表示残差进行分类.INRIA数据库的实验表明非局部稀疏特征具有明显的区分能力.同时,对行人目标进行邻域约束,能够有效地表示出同目标区域的稀疏特征.     

基于非参数统计的综合孔径图像弱小目标检测

针对综合孔径微波辐射图像中目标和复杂背景的边缘振荡对目标检测带来的影响,提出一种基于非参数统计的弱小目标检测方法.在对综合孔径辐射图像特征进行研究的基础上,采用非参数统计中的秩统计量描述图像中目标及复杂背景边缘的过渡纹理,给出综合孔径辐射图像的非参数统计描述模型,利用目标及复杂背景边缘各方向秩相关系数不同的特征,将目标与复杂背景有效地分离,实现对复杂背景的抑制和目标检测.仿真及实验结果表明该方法能有效地对综合孔径辐射图像中的弱小目标进行检测.     

海天背景下小目标检测跟踪方法

研究海天背景下红外图像序列中预测运动弱小目标检测跟踪的方法。通过对红外图像进行小波变换和数学形态学分析,检测所有可能目标。通过带有延迟单元的线性神经元网络对已知样本学习,采用Widrow-Hoff学习规则自适应调整神经网络参数,同时对下一帧目标轨迹进行预测,在检测到多个目标的情况下根据预测轨迹确定真实目标,提高对目标检测的准确。     

基于TOPHAT-PCNN的图像车辆目标检测方法研究

对传统的车辆目标检测方法进行改进,提出了一种基于形态学高帽变换(TOPHAT)与脉冲耦合神经网络(PCNN)相结合的车辆目标检测方法.首先对交通图像进行形态学高帽变化提取图像的目标区域、然后分析了PCNN特征对车辆图像与非车辆图像的区分度,统计了熵特征和脉冲点火特征分别对原始图像和TOPHAT图像的有效性,选取了迭代平均熵作为车辆检测的有效特征,并采用滑窗的方式进行车辆检测,最后利用边缘密度信息对检测出的车辆目标进行后续验证.实验从有效性和准确性两方面进行验证,实验图片来自实际交通路口,结果表明:该方法能够有效地进行车辆目标检测,同时与其他车辆目标检测方法相比,具有检测率高、误检率低,消耗时间少等特点,能够较好的实现智能交通中车辆目标的快速检测.     

红外视频背景抑制及弱小运动目标检测方法

红外视频弱小目标检测技术是红外搜索与跟踪系统的一项核心技术。本文采用了单帧检测、序列确认的目标检测方案,即通过非参数回归估计的背景建模方法进行单帧处理,从而检测出候选目标点,然后利用目标出现的连续性,用移动式管道滤波法对多帧图像进行检测,剔除伪目标,同时得到目标的运动轨迹。实验证明了本文研究方法的有效性。     

基于自适应形态学Top-Hat滤波器的红外弱小目标检测方法

针对红外序列图像中运动弱小目标的检测问题，提出了一种基于自适应形态学Top-Hat算子和改进的自适应门限的弱小目标检测方法，其中形态学滤波嚣的结构元素采用两层前馈神经网络通过大量样本训练优化．将Top-Hat运算作为一个整体当作一层，输出层节点定义为作Top-Hat运算后图像矩阵的最大值，并针对所检测的大多数弱小点目标采用自适应门限进行分割，同时对SNR〉4左右的点目标用固定门限进行分割．实验结果表明，该方法对SNR较低的复杂图像具有良好的滤波效果．     

基于数学形态学的医学图像自动阈值分割

提出了一种自动分割癌细胞图像的方法.该方法利用数学形态学开运算型边缘检测算子对图像边缘锐化;利用邻域平均与中值滤波方法平滑图像;利用改进的判别分析法自动选取灰度阈值进行图像自动分割;利用自动分割区域与手动分割区域的误差和平均最短距离对自动分割效果进行评价.用该方法对20幅癌细胞图像进行自动分割实验,证明了其对图像分割的有效性.     

一种雷达视频弱小目标检测前跟踪方法

基于雷达视频的弱小目标检测与跟踪在国防和民用领域具有重要的应用价值。本文利用弱小目标的运动信息,用渐消递归最小二乘法对背景进行建模,由当前帧图像与预测背景的差分来检测运动弱小目标。分析了渐消递归最小二乘法的检测前跟踪特性,提出了渐消递归最小二乘法和数学形态学相结合的方法,在检测到运动目标的同时能快速地获得目标航迹,避免了恒虚警率带来的信噪比损失。由于该方法运算步骤简单,有较快的检测速度和较高的稳定性,广泛适用于工程领域。     

基于数学形态学的掌纹图像分析

讨论和分析了数学形态学在在线掌纹图像处理中的应用.该方法应用数学形态学进行掌纹定位分割和增强处理.结合在线掌纹图像的特点采用形态学运算提取掌纹轮廓线,规范手掌质心,然后选取以质心为中心的合适大小的方形区域作为特征有效区域.在有效区域内进行形态学Bot-Hat变换检测出掌纹纹线进行增强处理,对增强后的图像进行傅立叶变换在频域空间进行特征提取和匹配.通过实验,论证了上述方法的有效性和可行性.     

基于Spearman秩相关系数的红外弱小目标检测

针对红外弱小目标检测,目标运动跨像元,引起目标的丢失的问题,提出了一种基于Spearman秩相关系数的红外弱小目标检测新方法。该方法首先采用时空域中值滤波的方法估计背景;然后通过计算邻域像元点与目标处于像元中心位置时的Spearman相关系数,获得候选目标点;最后采用二次滤波和运动方向匹配得到目标运动轨迹。该方法充分利用邻域信息,即使在目标处于像元边缘处,也能有效地检测到目标。仿真分析表明了该算法的有效性。     

基于分维像的红外弱小目标检测方法

针对红外图像的特点及分形分维的特性,提出了基于分维像的红外弱小目标检测方法.用滑动窗口在红外图像上滑动,根据分形布朗运动计算出窗口分维作为该窗口中心像素的分维,这样就可以计算出图像每一像素的分形分维,并以此为元素构造成分维像.在分维像中,人造目标的分维值小于自然背景的分维值,适当地选取阈值就可以把目标检测出来.实验结果表明,用分维像的方法检测红外目标可以取得很好的效果.     

面向遥感图像的小样本目标检测改进算法研究

针对传统的遥感图像目标检测中面临的小样本以及目标样本分布不均衡等问题, 提出了一种基于改进的卷积神经网络(convolutional neural network, CNN)的遥感图像小样本目标检测算法. 首先, 该算法利用 $K$ 近邻($K$-nearest neighbor, kNN)回归分别对每个点和卷积层提取特征构建局部邻域; 同时, 通过最大池化聚合所有局部特征进行全局特征表示; 最后, 采用全连接层与缩放指数型线性单元(scaled expected linear unit, SELU)激活函数计算各类别对应的概率并分类. 实验结果表明, 该算法能够更有效地融合局部特征, 提高了遥感图像小样本目标识别与检测的精度, 同时保持信息的非局部扩散.     

一种改进的红外小目标检测与识别方法

研究天空背景下红外运行小目标的检测与识别,对序列红外图像进行增强处理后,通过形态学滤波去除弱噪声,再用分害虫算法把目标和强噪声从背景中分离出来,最后用RMTI算法找出目标,并得出目标运行轨迹,实验结果表明,该方法能有效地检测定位运行小目标。     

基于概率假设密度滤波的红外弱小目标跟踪

目标数未知或随时间变化是红外弱小目标跟踪技术的一个难题。为解决这个问题,提出了基于概率假设密度滤波的红外弱小目标跟踪算法。从数据关联的角度出发,将目标集看作随机集,利用概率假设密度滤波的数据关联算法实现目标数未知的红外弱小目标的跟踪。实验结果表明,在杂波环境下,概率假设密度滤波可以稳健地跟踪红外弱小目标的目标状态和目标数目。     

复杂背景下改进的红外弱小目标检测

许多研究者关注红外弱小目标检测领域并进行过种种探索，然而复杂背景下检测的难题始终未得到满意的解决。复杂背景下的杂波难以消除，目标检测无法得到显著结果。为此，本文提出了一种基于高升压滤波器的加权三层窗口目标检测算法HB-WTLLCM（High-Boost Weighted Tri-Layer Local Contrast Measure），针对复杂背景的目标检测进行目标增强，从而提高检测率。本文算法首先利用改进的高升压滤波器对红外原始图像进行预处理，再利用三层嵌套窗口，根据目标形状进行局部对比度增强。最后引入一种基于复杂度评估的加权算法，进一步进行目标增强和随机噪声抑制。实验数据显示，本文提出的算法相比于主流算法在多建筑、多树木的复杂背景下目标增强能力更强，检测率更高。上述结果提示，本文提出的HB-WTLLCM算法对于复杂场景下红外弱小目标进行检测具有一定优势。     

基于视觉的水面背景下目标检测与跟踪算法

为解决清漂船在复杂水面背景下对漂浮物体积较小或被遮挡的检测与跟踪问题,提出了一种基于视觉的水面背景下目标检测与跟踪算法,通过利用YOLO改进的多粒度特征融合方法使得模型在最终检测时所提取的特征向量考虑更多底层的特征,并引入K邻域搜索感兴趣区域模块,与长短期记忆神经网络(LSTM) 相结合,弥补了卷积神经网络的时序关联性差的缺陷,根据目标当前帧语义特征和运动特征预测下一帧中目标所在位置,能够更快的提取目标的特征,并且有效的去除复杂背景的干扰。实验结果表明：该算法的跟踪平均成功率、平均准确率和平均速度分别为57.1%、71.1%、45.4fps。较好解决因被检测目标过小的问题,提升在跟踪目标被遮挡的情况下的跟踪性能。     

红外序列图像中运动小目标的检测方法

研究红外图像中运动小目标的检测和跟踪问题．根据红外图像中背景干扰和噪声的特点,采用梯度倒数加权低通滤波器对图像进行滤波．在目标分割和标记后,沿目标轨迹进行能量积累以搜索和跟踪小目标．实验结果表明,该方法能极大地提高实际红外目标图像的信噪比,改善目标分割效果,能有效地进行小目标的检测和跟踪,尤其适用于目标遮掩或偶尔出现目标丢失的情况．     

基于背景预测的自适应弱小目标检测算法

在红外弱小目标检测中,提出了一种改进的背景预测算法,根据小目标在图像中的非参数秩描述,构建了一种非参数秩模板,该模板更好的对背景进行预测,提高了小目标在局部区域的信噪比,经过试验验证,在低信噪比的红外弱小目标图像检测中进一步提高检测率。